feed-digest - #parsing

Parsing the Infamous Japanese Postal CSV

日本郵便が公開する郵便番号CSV「ken_all.csv」は広く使われる一方でパース困難なことで有名。開発者がposutoパッケージを作る過程で直面した問題を解説している。行末の注記が行の並び順に依存する、地名が長いと不自然な位置で複数行に分割される、区切り文字が通常のカンマと異なる、「以下を除く」「一円」といった除外表記や特殊地名の例外処理が必要、ローマ字変換ファイルの品質が低い（cutletの方が優れている）など、フォーマット上の癖と歴史的な複雑さが積み重なっている実例を紹介している。